UNIVERSIDAD TCNICA DE AMBATO

FACULTAD DE INGENIERA EN SISTEMAS, ELECTRNICA E

INDUSTRIAL
TITULO: Ejercicios de Pronsticos

Carrera:
INGENIERIA
AUTOMATIZACIN
rea Acadmica:

INDUSTRIAL

EN

Automatizacin

Lnea de Investigacin:

Industrial

Ciclo Acadmico y paralelo:

Sptimo Semestre A

Alumnos participantes:
ANDA CHRISTIAN
CRIOLLO MAURO
MANOBANDA DAVID
RAMN MARLON

PROCESOS

DE

Mdulo y Docente: Administracin de Produccin

Ing. John Reyes

Ejercicios del libro de NORMAN GAITHER

1) RCB manufactura aparatos de televisin en blanco y negro para los mercados del
extranjero. Las exportaciones anuales durante los ltimos seis aos aparecen abajo en miles
de unidades. Dada esta declinacin a largo plazo de las exportaciones, pronostique el nmero
esperado de unidades a exportar el ao entrante.

Ao
1
2
3

Exportaciones
33
32
29

Ao
4
5
6

Exportaciones
26
27
24

Solucin:
Ao
x
1
2
3
4
5
6
21

Exportaciones
y
33
32
29
26
27
24
171

x2
1
4
9
16
25
36
91

a = 34.8

xy
33
64
87
104
135
144
567

y2
1089
1024
841
676
729
576
4935

b = -1.8

La ecuacin de regresin para el ao 7 es:

y = 34.8 + (1.8x)
y = 34.8 1.8(7)
y = 22.2

2.-) Un pequeo hospital est planeando las necesidades de su ala de maternidad. Los datos
que aparecen a continuacin muestran el nmero de nacimientos en cada uno de los ltimos
ocho aos.

Ao
1
2
3
4

Nacimientos
565
590
583
597

Ao
5
6
7
8

Nacimientos
615
611
610
623

a) Utilice la regresin lineal simple para pronosticar la cantidad anual de nacimientos para
cada uno de los tres aos siguientes.
b) Determine el coeficiente de correlacin para los datos e interprete su significado.
c) Encuentre el coeficiente de determinacin de los datos e interprete su significado.

Solucin:
Ao
x
1
2

Nacimientos
y
565
590

x2
1
4

xy
565
1180

y2
319225
348100

3
4
5
6
7
8
36

583
597
615
611
610
623
4794

9
16
25
36
49
64
204

1749
2388
3075
3666
4270
4984
21877

339889
356409
378225
373321
372100
388129
2875398

a)
a

a =

566.67857

b=

7.23809

La ecuacin de regresin es: y = 566.67857+7.23809x

Para los siguientes aos:
Ao 9:

631.8214286

Ao 10:

639.0595238

Ao 11:

646.297619

b)
r

r =

0.92109

Existe una relacin positiva fuerte entre el ao y los nacimientos.

c)
r2 = (0.92109)2 * 100%
r2 =

85%

Los nacimientos explican el 85% de la variacin observada en lo nacimientos.

3) Integrated Products Corporation (IPC) necesita estimar sus ventas del prximo ao. La
siguiente tabla contiene los ingresos de la lnea de computadoras XT de la empresa de los
ltimos seis aos:

Ao

Ingresos de ventas
(millones de dlares)

1
2
3
4
5
6

2,4
5,9
15,5
27,8
35,9
38,1

a. Suponiendo que los datos de ventas arriba citados sean representativos de las ventas
que se esperan el ao siguiente, utilice un anlisis de regresin de serie tiempo para
pronosticar los ingresos por ventas de ese ao (ao 7).

Solucin:

1
2
3
4
5
6
21

2,4
5,9
15,5
27,8
35,9
38,1
125,6

xy
2,4
11,8
46,5
111,2
179,5
228,6
580

1
4
9
16
25
36
91

5,76
34,81
240,25
772,84
1288,81
1451,61
3794,08

El pronstico para el ao 7 es: 49

b. Determine el coeficiente de correlacin de los datos e interprete su significado
r

Los aos con los ingresos son directamente proporcionales, es decir conforme aumentan los
aos, los ingresos tambin lo hacen
c. Determine el coeficiente de determinacin de los datos e interprete su significado

Existe un alto grado de confiabilidad en los resultados obtenidos por el pronstico.

4) Una empresa necesita desarrollar un pronstico de ventas para el ao siguiente para sus
ventas de vehculos recreativos. Suponga que sus ventas anuales estn relacionada con las
ventas de su sector industrial y ha preparado estos datos histricos.
Ventas
del
sector Ventas anuales de la empresa
industrial
(Nmero
de
vehculos
(Millones de dlares)
recreativos)
536
98
791
137
650
112
813
145
702
120
575
103
684
116

Si la estimacin de las ventas para el sector industrial del ao que viene es de 725 millones de
dlares, utilice una regresin lineal simple para pronosticar la demanda anual de vehculos
recreativos de la empresa para dicho ao.

Solucin:
Definiendo la tabla de datos:

Estableciendo la ecuacin:

X
536
791
650
813
702
575
684
4751

Y
98
137
112
145
120
103
116
831

X^2
287296
625681
422500
660969
492804
330625
467856
3287731

XY
52528
108367
72800
117885
84240
59225
79344
574389

Determinando por grfica:

160
140
120
100
80

y = 0.1643x + 7.1979

60
40
20
0
0

500

1000

Reemplazando el valor correspondiente al ao siguiente para el pronstico:

5) En el problema 3, IPC se pregunta si el anlisis de regresin de la serie de tiempo es mejor

manera de pronosticas las ventas del ao que viene. Estn examinando los siguientes datos de
la industria:
AO

INGRESOS POR VENTAS DE PC

XT(MILLONES DE DOLARES)

INGRESOS POR VENTAS DE PC

EN TODA LA INDUSTRIA (MILES
DE MILLONES DE DOLARES)

1
2

2.4
5.9

4.6
8.6

3
4
5
6

15.5
2.8
35.9
38.1

10.7
14.8
18.5
19.4

a.) Haga un anlisis de regresin entre los ingresos por ventas anuales de computadoras
personales XT y los ingresos por ventas anuales de PC en toda la industria. Cul es el
pronstico de ingresos por ventas del ao que viene (ao 7) para las computadoras
personales XT, si la estimacin del siguiente ao de ingresos por ventas de PC para
toda la industria es de 21.900 millones de dlares?
b.) Qu pronstico el pronstico de serie de tiempo del problema 3 o el pronstico de
este problema- parecera ser mejor? Por qu?

Solucin:
MES(X)

TOTAL

VENTAS(PC XT)
(Y)
2.4
5.9
15.5
2.8
35.9
38.1
100.6

1
2
3
4
5
6
21

a=

-8.813333333

b=
y=

7.308571429
a+bx

X^2

XY

1
4
9
16
25
36
91

2.4
11.8
46.5
11.2
179.5
228.6
480

Por tanto el pronstico para el mes 7 es:

Y7= -8.813333333 + 7.308571429(7)
Y7= 42.34666667
La venta es 42.34666667 millones de dlares.

6.) La Comfort Zone Company (CZC) es un fabricante mediano con 10 aos de antigedad de
equipo de calefaccin y enfriamiento. Las ventas estn creciendo con rapidez y es necesario
incrementar la capacidad de produccin. La gerencia de la empresa se pregunta si los datos
nacionales de construccin de vivienda pudieran resultar un buen indicador de las ventas
anuales de la empresa.
Ao

Construccin de Viviendas
(millones)
2.1
1.8
2.4
2.8
3.1
2.6
2.4

1
2
3
4
5
6
7

Ventas anuales de Comfort

Zone (millones de dlares)
230
215
270
310
360
370
375

a) Desarrolle un anlisis de regresin simple entre las ventas de CZC y la construccin de

viviendas. Pronostique las ventas de CZC durante los siguientes dos aos. El National Home
Builders Association estima que la inversin en construccin de viviendas ser de 2.6 millones
y de 3.0 millones para los dos aos siguientes.
b) Qu porcentaje de variacin en ventas de CZC queda explicado por la inversin en
construccin de viviendas?
c) Recomendara usted que CZC utilizar el pronstico del inciso para planear una expansin
de las instalaciones? Por qu? Qu podra hacerse para mejorar el pronstico?

Solucin:
a)
X
2.1
1.8
2.4
2.8
3.1
2.6

Y
230
215
270
310
360
370

X2
4.41
3.24
5.76
7.84
9.61
6.76

XY
483
387
648
868
1116
962

Y2
52900
46225
72900
96100
129600
136900

2.4
17.2

375
2130

5.76
43.38

900
5364

a = 17.724

b = 116.624
y = 17.724 + 116.624X
La ecuacin de regresin para el ao 1 es:
y = 17.724 + 116.624X
y = 17.724 + 116.624(2.6)
y = 320.946

La ecuacin de regresin para el ao 2 es:

y = 17.724 + 116.624X
y = 17.724 + 116.624(3)
y = 367.596

140625
675250

b)

r =

0.748

Existe una relacin positiva fuerte entre el ao y los nacimientos.

r2 = (0.748)2 * 100%
r2 = 56%

c) S, porque el coeficiente de correlacin es de 0.76, es decir los clculos son confiables,

ya que las ventas estn en crecimiento es fiable la expansin de las instalaciones, porque
as se obtendr mayores ventas y habr mayores ingresos para la empresa.

7.-) Chasewood Apartments es un complejo habitacional de 300 unidades cerca de Fairway

University, y atrae principalmente a estudiantes universitarios. La gerente, Joan Newman,
sospecha que la cantidad de unidades arrendadas durante cada semestre est influida por el
nmero de estudiantes que se inscriben en la universidad. Las inscripciones en la universidad
y el nmero de apartamentos alquilados durante los ltimos ocho semestre es:

Semestre

1
2
3
4
5

Inscripciones a la
universidad
(miles)
7.2
6.3
6.7
7.0
6.9

Nmero de unidades
arrendadas
291
228
252
265
270

6.4
7.1
6.7

6
7
8

240
288
246

a) Utilice un anlisis simple de regresin para desarrollar un modelo para pronosticar el

nmero de apartamentos arrendados con base en las inscripciones a la universidad. Si se
espera que la inscripcin para el semestre siguiente sea de 6.600 estudiantes, pronostique la
cantidad de apartamentos que se alquilarn.
b) Qu porcentaje de variacin en unidades arrendadas queda explicado por las inscripciones
en la universidad?
c) Qu tan til cree usted que sean las inscripciones a la universidad para pronosticar la
cantidad de apartamentos arrendados?

Solucin:
Ao
x
7.2
6.3
6.7
7
6.9
6.4
7.1
6.7
54.3

a)

U. Arrendadas
y
291
228
252
265
270
240
288
246
2080

x2
51.84
39.69
44.89
49
47.61
40.96
50.41
44.89
369.29

a= - 196.380789

xy
2095.2
1436.4
1688.4
1855
1863
1536
2044.8
1648.2
14167

y2
84681
51984
63504
70225
72900
57600
82944
60516
544354

b=

67.23842196

La ecuacin de regresin es: y = -196.38078902234+67.2384219554067x

Para 6600 estudiantes

y= -196.38 + 67.2384 (6.6)
y = 247.39344

b)
r

r= 0.962826
Existe una relacin positiva fuerte entre el las inscripciones a la universidad y el nmero de
arriendos, por tanto, el dato es explicativo.
c)
r2 =

(0.962826)2 * 100%
r2 =

93%

8) La planea de IPC estima la

demanda semanal de los muchos materiales que tiene en

inventario. Est estudiando uno de estos componentes, el CTR 5922. Las 12 semanas ms
recientes de demanda para el CTR 5922 son:
SEMANA

DEMANDA SEMANA DEMANDA SEMANA DEMANDA SEMANA DEMANDA

(UNIDADES)
(UNIDADES)
(UNIDADES)
(UNIDADES)

169

171

213

10

158

227

163

175

11

188

176

157

178

12

169

Utilice el mtodo de promedios mviles para pronsticos a corto plazo, con un promedio de tres
semanas, para desarrollar para la semana 13 un pronstico de la demanda para el componente
CRT 5922.

Solucin:
SEMANAS
1
2
3
4
5
6
7
8
9
10
11
12
13

DEMANDA REAL
(UNIDADES)
169
227
176
171
163
157
213
175
178
158
188
169
166

3 SEMANA

DESVIACION 3
SEMANA

171.667

2.667

Con un promedio de tres semanas, para desarrollar para la semana 13 el pronstico de la

semana 13 es 166 unidades.
9) Holiday Lodge es un gran hotel y casino en Lago Tahoe, California. El hotel es relativamente
nuevo, dos aos, y el gerente est intentando desarrollar un plan para el personal del

departamento de mantenimiento. El gerente del hotel desea utilizar dos aos de datos que
aparecen a continuacin para pronosticar con un mes de anticipacin la cantidad de llamadas
para mantenimiento.

a.- Desarrolle pronsticos de promedio mvil para los ltimos 10 meses (meses 15 - 24) con
nmero de promedios promediados de 2, 4, 6 y 8 meses.

Solucin:
MES

LLAMADAS POR
MANTENIMIENTO

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

46
39
28
21
14
16
14
13
9
13
18
15
12
6
19
9
12

MES 2

MES 4

MES 6

MES 8

9
12,5
14

12,75
13
11,5

12,17
13,83
13,17

12,50
13,13
12,63

18
14
10,5
11,5
12,17
19
16
13
13,5
12,00
20
12
15
12,75
12,67
21
13
14
13,5
13,67
22
9
12,5
13,75
12,67
23
14
11
12,5
12,67
24
15
11,5
12
13,00
b.- Qu cantidad de periodos promediados da como resultado el error

13,00
13,13
12,88
12,50
12,63
13,00
12,38
de pronostico

medio absoluto ms bajo? Qu nmero de periodos promediados recomienda usted?

Por qu?

RESPUESTA:

Se recomienda el promedio mvil de 8 meses ya que este tiene el pronstico medio absoluto
ms bajo siendo este 2.38
c.- Utilizando la cantidad de periodos promediados que usted recomienda, pronostique el
nmero de llamadas para mantenimiento para el mes siguiente.

25

13,13

10) El gerente del Holiday Lodge del problema 9 se pregunta si los datos del pasado ms
reciente tiene mayor importancia que los ms antiguos. Suponga que la cantidad de llamadas
para mantenimiento del mes 25 se pondera 0.5 y los pesos de los meses anteriores se reducen
de manera secuencial por un factor de 0.5 (es decir, 0.5 , 0.25, 0.125,etctera).
a) Desarrolle los pesos o coeficiente de ponderacin utilizarse en el pronstico de
promedios mviles ponderados.
b) Utilice los pesos del inciso a para pronosticar la cantidad de llamadas para
mantenimiento para el mes de 25 de los datos del problema 9 si la cantidad de periodos
promediados =10.

Solucin:
a)

Pronostico para cada MES

MES

LLAMADAS POR
MANTENIMIENTO

MES 2

MES 4

MES 6

MES 8

15
16
17
18
19
20
21
22
23
24

19
9
12
14
16
12
13
9
14
15

0.5

0.25

0.125

0.0625

PESOS PARA CADA MES

b)

PRONSTICOS
MES 2
MES

LLAMADAS POR
MANTENIMIENTO

15
16
17
18
19
20
21
22
23
24
25

19
9
12
14
16
12
13
9
14
15

MAD

MES 4
MES 6
MES 8
PESOS PARA CADA MES

0.5
19
19
14
13
13.5
14.8
13.4
13.2
11.1
12.5
13.8

0.25
19
19
16.5
13.5
13.3
14.1
14.1
13.3
12.1
11.8
13.2

0.125
0.0625
19
19
19
19
17.75
9.63
13.75
12.13
13.13
13.94
13.81
15.84
14.41
12.17
13.33
13.02
12.66
9.26
11.46
13.82
12.85
14.85
sumatoria MAD

MES 2

MES 4
MES 6
MES 8
PESOS PARA CADA MES

0.5
0
10
2
1
2.5
2.8
0.4
4.2
2.9
2.5

0.25
0
10
4.5
0.5
2.8
2.1
1.1
4.3
1.9
3.2

0.125
0
10
5.8
0.3
2.9
1.8
1.4
4.3
1.3
3.5

0.0625
0
10
2.4
1.9
2.1
3.8
0.8
4.0
4.7
1.2

28.2

30.3

31.3

30.9

La cantidad de llamadas para el MES 25 es de 14 de acuerdo al pronstico de 2 meses basado

en el valor menor del MAD.
11) La cantidad de auditores fiscales que necesita el Internal Revenue Service de Texas varia
de un trimestre a otro. Los ltimos 12 trimestres aparacen a continuacin:
Ao

Trimestre

Auditores

132

139

136

140

134

142

140

139

135

137

139

141

a. Utilice los promedios mviles para pronosticar la cantidad de auditores que se

necesitan durante el trimestre siguiente, si la cantidad de periodos promediados=2, si
el nmero de periodos promediados=4, y si la cantidad de periodos promediados=6.
b. Cul de estos pronsticos, con base en la desviacin media absoluta, despliega mayor
precisin de pronstico a lo largo de los ltimos seis trimestres de datos histricos?
Solucin:
a)
Pronstico con cantidad de periodos promediados = 2
Trimestre

Auditores

132

139

136

140

134

142

140

139

135

10

137

11

139

12

141

Pronstico con cantidad de periodos promediados = 4

Trimestre

Auditores

132

139

136

140

134

142

140

139

135

10

137

11

139

12

141

Pronstico con cantidad de periodos promediados = 6

Trimestre

Auditores

132

139

136

140

134

142

140

139

135

10

137

11

139

12

141

b)

Ao
1

Trimestre Auditores

2
periodos

4
periodos

6
periodos

Desviacin
2 periodos

Desviacin Desviacin
4 periodos 6 periodos

132

139

136

135.5

140

137.5

134

138

136.75

142

137

137.25

140

138

138

137.16667

2.8333333

139

141

139

138.5

0.5

135

139.5

138.75

138.5

4.5

3.75

3.5

137

137

139

138.33333

1.333333

139

136

137.75

137.83333

1.25

1.1666667

141

138

137.5

138.66667

3.5

2.3333333

Desviacion
absoluta
total

14.5

12.5

11.666666

MAD

2.41666667

2.0833333

1.9444444

Con base a la desviacin media absoluta a lo largo de los ltimos 6 trimestres de datos histricos
se obtiene que el ms preciso es aquel que se realiz con periodos promediados =6, ya que al
igual que el erros estndar, mientras ms bajos sean los valores obtenidos, el modelo de
pronsticos es mejor.

12) Utilizando los datos del problema 2, determine si deber utilizarse un numero de periodos
promediados=1, una cantidad de periodos promediados=2, o una cantidad de periodos
promediados=4 para desarrollar pronsticos de promedio mvil, de forma que el MAD de los
ltimos cuatro periodos se reduzca al mnimo. Considerando el patrn de datos del pasado.
Por qu se esperara que este valor de la cantidad de periodos nos diera una precisin de
pronstico mayor?

AO
1
2
3
4
5
6
7
8

NACIMIENTO
565
590
583
597
615
611
610
623

597
615
611
610

590
606
613
610,5

583,75
596,25
601,5
608,25
SUMA=
MAD=

DESVIACION 1 DESVIACION 2 DESVIACION 4

18
4
1
13
36
9

25
5
3
12,5
45,5
11,38

31,25
14,75
8,5
14,75
69,25
17,31

13) The Sporting Charge Company adquiere grandes cantidades de cobre que se emplean en
sus productos manufacturados. Bill Bray est desarrollando un sistema de pronstico para los
precios del cobre. Ha acumulado estos datos histricos.
MES

PRECIO DEL COBRE/LIBRA

MES

PRECIO DEL COBRE/LIBRA

1
2
3
4
5
6
7
8

$
0,99
0,97
0,92
0,96
0,93
0,97
0,95
0,94

$
0,98
0,91
0,89
0,94
0,99
0,95
0,92
0,97

9
10
11
12
13
14
15
16

a. Utilice la suavizacin exponencial para pronosticar los precios mensuales del cobre.
Calcule cuales hubieran sido los pronsticos para todos los meses de datos histricos
con =0,1; =0,3 y =0,5 si para todas las el pronstico del primer mes fue de 99
centavos de dlar.
Si
Entonces:

PRONSTICOS
MES
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

PRECIO DEL COBRE/LIBRA $

0,99
0,97
0,92
0,96
0,93
0,97
0,95
0,94
0,98
0,91
0,89
0,94
0,99
0,95
0,92
0,97

MAD
=0,1
0,990
0,990
0,988
0,981
0,979
0,974
0,974
0,971
0,968
0,969
0,963
0,956
0,955
0,958
0,957
0,954

=0,3
0,990
0,990
0,984
0,965
0,963
0,953
0,958
0,956
0,951
0,960
0,945
0,928
0,932
0,949
0,950
0,941

=0,5
0,990
0,990
0,980
0,950
0,955
0,943
0,956
0,953
0,947
0,963
0,937
0,913
0,927
0,958
0,954
0,937

=0,1
0,000
0,020
0,068
0,021
0,049
0,004
0,024
0,031
0,012
0,059
0,073
0,016
0,035
0,008
0,037
0,016

=0,3
0,00
0,02
0,06
0,00
0,03
0,02
0,01
0,02
0,03
0,05
0,05
0,01
0,06
0,00
0,03
0,03

=0,5
0,00
0,02
0,06
0,01
0,02
0,03
0,01
0,01
0,03
0,05
0,05
0,03
0,06
0,01
0,03
0,03

=
MAD

0,476
0,030

0,426
0,027

0,461
0,029

b. Qu valor de alfa () resulta a lo largo del perodo de 16 meses en una desviacin

media absoluta ms baja?
La desviacin media absoluta ms baja se determina por:

Dato que ya se encuentra registrado en la tala anterior y muestra que:

El =0,3 tiene una desviacin media absoluta de 0,027 siendo sta las ms baja de las
tres pues MAD 0,1= 0,03 y MAD 0,5=0,029
c. Utilizando el alfa () del inciso b pronostique el precio del cobre para el mes 17.
Para el =0,3 el pronstico es:

14) Harlen Industries tiene un modelo de pronstico simple: se toma la demanda real del
mismo mes del ao anterior y se divide entre el nmero fraccional de semanas de ese mes.
Esto da una demanda semanal promedio para el mes. El promedio de esta semana se usa
como pronstico semanal del mismo mes este ao. La tcnica se us para pronosticar ocho
semanas de este ao, que se muestran a continuacin junto con la demanda real.
Las siguientes ocho semanas muestran el pronstico (basado en el ao pasado) y la demanda
real:

a) Calcule el pronstico con suavizacin exponencial simple de estos datos con una de
0.30 y un pronstico inicial (F1) de 31.
b) Calcule el pronstico de suavizacin exponencial con tendencia para estos datos, con
una de 0.30, de 0.30, un pronstico de tendencias inicial (T1) de 1 y un pronstico
uniforme exponencial inicial de 30.
c) Calcule la desviacin absoluta media (MAD) de cada pronstico. Cul es el mejor?

MESES

PRONOSTICO

REAL

DESVIACION

RSFE

DESVIACION
ABSOLUTA

1
2
3
4
5
6
7
8

140
140
140
140
140
150
150
150

137
133
150
160
180
170
185
205

-3
-7
10
20
40
20
35
55

-3
-10
0
20
60
80
115
170

3
7
10
20
40
20
35
55

SUMA DE LAS
DESVIACIONES
ABSOLUTAS
3
10
20
40
80
100
135
190

MAD

TS

3.00
5.00
6.67
10.00
16.00
16.67
19.29
23.75

-1.00
-2.00
0.00
2.00
3.75
4.80
5.96
7.16

a) Para el mes 8, el MAD es 23,75

b) La seal de seguimiento de 8 meses es de 7.16
c) La seal de seguimiento es demasiado grande, por lo que el pronstico se debe
considerar pobres.

15) En el problema 8, si se utiliza una constante de suavizacin de 0.25 y el pronstico de

suavizacin exponencial de la semana 11 fue de 170.76 unidades, Cul es el pronstico de
suavizacin exponencial correspondiente a la semana 13?

Solucin:
SEMANAS

1
2
3
4
5
6
7
8
9
10
11
12
13

DEMANDA
REAL
(UNIDADES)
169
227
176
171
163
157
213
175
178
158
188
169
166

=0.25

170.76
175.07
173.55

SEMANA 12

SEMANA 13

16) En los problemas 8 y 15, Cul sera el mtodo de pronstico preferido: el mtodo de
promedios mviles con cantidad de perodos promediados = 3, o el mtodo de suavizacin
exponencial, con = 0.25? El criterio para elegir entre los mtodos es la desviacin media
absoluta a lo largo de las nueve semanas ms recientes. Suponga que el pronstico de
suavizacin exponencial para la semana 3 es la misma de la demanda real.

Solucin:
PRONSTICO DE PROMEDIO MVIL

SEMANA
1
2
3
4
5
6
7
8
9
10
11
12

DEMANDA REAL (UNIDADES)

(UNIDADES)
169
227
176
171
163
157
213
175
178
158
188
169

3 SEMANAS

DESVIACIN 3 SEMANAS

190.6667
191.3333
170.0000
163.6667
177.6667
181.6667
188.6667
170.3333
174.6667
DESVIACIN ABS. TOTAL
MAD

19.6667
28.3333
13.0000
49.3333
2.6667
3.6667
30.6667
17.6667
5.6667
170.6667
18.9630

PRONSTICO SUAVIZAMIENTO EXPONENCIAL

DEMANDA REAL
(UNIDADES)
169
227
176
171
163
157
213
175
178
158
188
169

SEMANA
1
2
3
4
5
6
7
8
9
10
11
12

SEMANA
4
5
6
7
8
9
10
11
12

DEMANDA REAL
(UNIDADES)
171
163
157
213
175
178
158
188
169

PRONSTICO()
0.25
169.000
169.000
183.500
181.625
178.969
174.977
170.482
181.112
179.584
179.188
173.891
177.418
DESVIACIN ABS. TOTAL
MAD

PRONSTICO()
0.25
171.000
171.000
169.000
166.000
177.750
177.063
177.297
172.473
176.354
DESVIACIN TOT. ABS
MAD

MAD
= 0,25
0.000
58.000
7.500
10.625
15.969
17.977
42.518
6.112
1.584
21.188
14.109
8.418
203.999
17.000

MAD
= 0,25
0.000
8.000
12.000
47.000
2.750
0.938
19.297
15.527
7.354
112.866
12.541

185.000
180.000
175.000

Series1

170.000
165.000
0

10

15

RESPUESTA: El mejor mtodo empleado para el pronstico es el mtodo de suavizamiento

exponencial.

17) Utilizando los datos del problema dos, determonar si para desarrollar pronosticos de
suavizamiento exponenial deberia utilizarse una constante de suavizamiento exponencial =
0.1, = 0.5, = 0.9 de forma que MAD quede minimizado a lo largo de ocho periodos. Suponga
que el periodo del primer periodo es de 565. Por que se habria previsto que este valor de
tendria la mejor presicion del pronstico.

Solucin:

AO
1
2
3
4
5
6
7
8

NACIMIENTOS
565
590
583
597
615
611
610
623

PRONOSTICO
MAD
= 0.1
= 0.5
= 0.9
= 0.1
= 0.5
= 0.9
565
565
565
0
0
0
565
565
565
25
25
25
567,5
565
565
15,5
18
18
569,05
566,25
565
27,95
30,75
32
571,845
567,65
565,625
43,155
47,35
49,375
576,1605
569,7475
566,6375
34,8395
41,2525
44,3625
579,64445
572,954
568,1925
30,35555
37,046
41,8075
582,680005 576,299225 570,57325 40,319995 46,700775
52,42675
MAD
217,120045 246,099275 262,97175
MAD
27,1400056 30,7624094 32,8714688

El indice de respuesta deseado () de 0.1 es la mejor constante de suavizacion de los tres. ya

que nos da en promedio la menor desviacion absoluta a comparacion con la =0.5, =0.9.
18) Utilice los datos del problema 2 para desarrollar un pronstico para el ao 9, utilizando el
modelo de suavizacin exponencial con tendencia. Inicie su anlisis en el ao 4; FT= 497, T4=
7, = 0.4 y = 0.3.
Solucin:

AO
1
2
3
4
5
6
7
8
9

NACIMIENTO
565
590
583
597
615
611
610
623

Tt =0,30

Ft =0,40

FITt

7,00
18,16
24,84
25,38
22,54
19,70

497,00
541,20
581,62
608,27
624,19
637,24

504,00
559,36
606,45
633,65
646,74
656,94

19) Utilice los datos del problema 3 para desarrollar un pronstico para el ao 7 utilizando el
modelo de suavizacin exponencial con tendencia. Indique su anlisis en el ao 1 y suponga
que =0.3 y =0.2. Estime FT1 y T1 como en el ejemplo 3.7.

AO
t
1
2
3
4
5
6

INGR.
VENTAS
(MILLONES)
At
2,4
5,9
15,5
27,8
35,9
38,1

AO
t

INGR.
VENTAS
(MILLONES)
At

2,4

Tt-1

FTt
2.4
9.6
15.7
22.6
31.1
39.8

+
+
+
+
+
+
+

(At
0.3(2.4
0.3(5.9
0.3(15.5
0.3(27.8
0.3(35.9
0.3(38.1

(FTt

FTt1)

FTt)
2.4)
9.6)
15.7)
22.6)
31.1)
39.8)

=
=
=
=
=
=
=

St
2.4
8.49
15.6
24.2
32.5
39.3

Tt1)

Tt
7.2

2
3
4
5
6

5,9
15,5
27,8
35,9
38,1

7.2
7.2
6.98
6.9
7.22

+
+
+
+
+

AO
t
1
2
3
4
5
6
6

INGR.
VENTAS
(MILLONES)
At
2,4
5,9
15,5
27,8
35,9
38,1
-

0.2(9.6)
0.2(15.7)
0.2(22.6)
0.2(31.1)
0.2(39.8)

- 2.4 - 7.2
- 9.6 - 7.2
- 15.7 - 6.98
- 22.6 - 6.9
- 31.1 - 7.22

St-1

Tt-1

2.4
8.49
15.6
24.2
32.5
39.3

+
+
+
+
+
+

7.2
7.2
6.98
6.9
7.22
8.7

=
=
=
=
=
=
=
=

= 7.2
= 6.98
= 6.9
= 7.22
= 8.7

FTt
2.4
9.6
15.7
22.6
31.1
39.8
48

20) General Computer Services (GCS) suministra en la regin de Seattle, Washington, servicios
de cmputo a pequeos fabricantes, bajo pedido. Los trabajos generalmente incluyen
procesamientos rutinarios de datos y de cmputo para aumentar el aprovechamiento de las
computadoras en las instalaciones de los clientes. Un analista de produccin de GCS ha
desarrollado una ecuacin de regresin lineal que estima el nmero de horas de facturacin
de una orden de servicio:

Dnde:
Cantidad de horas de facturacin por orden de servicio
Cantidad de rdenes en el pasado del cliente durante los ltimos cinco aos
Numero de la semana en el mes cuando se recibi la orden (1, 2, 3, 4)
Inverso del nmero de empleados de servicio de computacin en las instalaciones del
cliente

0.89
a. Estime la cantidad de horas de facturacin requeridas en la siguiente orden, donde
,
2, y
.
b. Cul es el significado de
?
Solucin:
a)

b)
El coeficiente de determinacin

es un parmetro que permite decidir si el ajuste lineal es

suficiente o se deben buscar modelos alternativos, en este caso el valor de 0.89 expresa que el
89% de la variacin total de la variable dependiente y queda explicada por x o por la lnea de
tendencia.

21) Haga un anlisis de regresin sobre la demanda sin factores estacionales para
pronosticar la demanda en el verano de 2008, dados los siguientes datos histricos de
la demanda.

Estacin

Demanda Real

x2

X*Y

Y2

205

205

42025

140

280

19600

375

1125

140625

575

16

2300

330625

475

25

2375

225625

275

36

1650

75625

685

49

4795

469225

965

64

7720

931225

36

3695

204

20450

2234575

a=
a=

=
a=52.32
b=

b=

=
b=91.01

Para verano es de 962.42

22) La Burling Company ha observado que sus ventas mensuales parecen estar relacionadas
con el nmero de vendedores que contrata, con la cantidad gastada por publicidad y con el
precio de su producto. Ha desarrollado un modelo de pronsticos de ventas de regresin
mltiple.

Dnde:
cantidad de unidades vendidas en un mes
= cantidad de vendedores contratados

monto de dlares desembolsado en publicidad en un mes

precio cargado por una unidad de producto
El gerente de ventas de Burling desea un pronstico de ventas para el mes siguiente, si se
utilizan 17 vendedores, se desembolsan 21 mil dlares en publicidad y el precio se fija en 31.99
dlares.
a) Utilice un modelo de pronstico de regresin mltiple para desarrollar un pronstico
para el nmero de unidades del producto que se vendern el mes siguiente.
b) Explique sus supuestos implcitos en su pronstico.
Solucin:
a)

Para el siguiente mes luego de obtener un pronstico de regresin lineal mltiple se obtiene un
valor de 13352.748 unidades vendidas
b)
Mientras exista una mayor cantidad de vendedores a la ves tambin se desembolsar mayor
cantidad de dlares en publicidad para lo cual mediante el pronstico se quiere establecer que
exista una disminucin en el precio cargado por cada unidad la misma que permite una menor
dificultad en el instante de pronosticar y obtener una mayor ganancia en la cantidad de
unidades que se venden al mes.
23) De los datos del problema 2:
a. Calcule el error estndar del pronstico.
b. Determine los lmites de confianza superior e inferior que se pueden estimar para el
pronstico del ao 11 si se utiliza un nivel de significancia de 0.01.
Datos:
x

x^2

xy

y^2

1
2
3
4
5
6
7
8
36

565
590
583
597
615
611
610
623
4794

1
4
9
16
25
36
49
64
204

565
1180
1749
2388
3075
3666
4270
4984
21877

a= 566,68
b=7,24
Para el ao 11
y=566,68+7,24(11)
y= 646,32
Solucin:
a)
Syx=
Syx=
Syx= 1830,636

b)
Lmite superior
Ls= YL1 + t Syx
Ls= 646,32 + (0.01) 1830,636

319225
348100
339889
356409
378225
373321
372100
388129
22982436

Ls= 664,626

Lmite inferior
Li= YL1 +-t Syx
Li= 646,32 - (0.01) 1830,636
Li=628,013
24) De los datos del problema 3. Cul es el rango del pronstico para el ao siguiente si solo
utiliza un intervalo de confianza del 95%?
Integrated Products Coporation (IPC) necesita estimar sus ventas del prximo ao. La
siguiente tabla contiene los ingresos de la lnea de computadoras XT de la empresa de los
ltimos seis aos.

Ao
1
2
3
4
5
6

Ingreso de ventas (millones de dlares)

2.4
5.9
15.5
27.8
35.9
38.1

a. Suponiendo que los datos de ventas arriba citados sean representativos de las ventas
que se esperan el ao siguiente, utilice un anlisis de regresin de serie tiempo para
pronosticar los ingresos por ventas de ese ao (ao 7)
x

y
xy

1
2
3
4
5

2,4
5,9
15,5
27,8
35,9

2,4
11,8
46,5
111,2
179,5

1
4
9
16
25

5,76
34,81
240,25
772,84
1288,81

6
21

38,1
125,6

228,6
580

36
91

1451,61
3794,08

El pronstico para el ao 7 es: 49

b. Determine el coeficiente de correlacin de los datos e interprete su significado
r

Los aos con los ingresos son directamente proporcionales, es decir conforme aumentan los
aos, los ingresos tambin lo hacen
c. Determine el coeficiente de determinacin de los datos e interprete su significado

Existe un alto grado de confiabilidad en los resultados obtenidos por el pronstico

RANGO DEL PRONSTICO CON UN NIVEL DE CONFIANZA DEL 95%

Df= 6-2=4

25) De los datos del problema 5.

a.- Si usted todava no lo ha hecho, calcule el pronstico de los ingresos por venta de IPC para
el ao que viene.
b.- Cul es el rango de modelo de pronstico de ingresos de ventas de IPC para el ao que
viene si se utiliza un nivel de significancia de 0.01% (un intervalo de confianza de 99%)?

Ao

Ingresos por ventas de PC

XT
(millones de dlares)

1
2
3
4
5

2.4
5.9
1505
27.8
35.9

Ingresos por ventas de PC

en toda la Industria
(miles de millones de
dlares)
4.6
8.6
10.7
14.8
18.5

38.1

19.4

Regresin de mnimos cuadrados para pronosticar el ao siguiente.

n

Ao
(x)

1
2
3
4
5
6
SUMA
=

1
2
3
4
5
6
21,00

Ingresos por
ventas de PC
XT (millones de
dlares) (y)

Ingresos por
ventas de PC
en toda la
Industria
(miles de
millones de
dlares)

2,40
5,90
15,50
27,80
35,90
38,10
125,60

4,60
8,60
10,70
14,80
18,50
19,40
76,60

x^2

y^2

x*y

1,00
5,76
4,00
34,81
9,00 240,25
16,00 772,84
25,00 1288,81
36,00 1451,61
91,00 3794,08

2,40
11,80
46,50
111,20
179,50
228,60
580,00

20,93

a=

Y = -7,12 -8,02x

X media
3,50

X media^2
12,25
b=
n
7
8
9
10

8,02
Ao
Y7 =
Y8 =
Y9 =
Y10 =

-7,15

Pronstico
49,01
57,04
65,06
73,08

b) El rango de modelo de pronstico de ingresos de ventas de IPC para el ao que viene si se

utiliza un nivel de significancia de 0.01% (un intervalo de confianza de 99%).

Ao (x)

Ingresos por
ventas de PC
en toda la
Industria
(miles de
millones de
dlares)

1
2
3
4
5
6

1
2
3
4
5
6

4,60
8,60
10,70
14,80
18,50
19,40

FITt-1
=
=
Ft =
Tt-1 =

19,40
0,01
49,01
6

n
7

Ao
Y7 =

Tt =

6,2961

Pronstico
49,01

26) Haga un anlisis de regresin sobre la demanda sin factores estacionales para
pronosticar la demanda en el verano de 2008, dados los siguientes datos histricos de
la demanda.

Estacin

Demanda Real

x2

X*Y

Y2

205

205

42025

140

280

19600

375

1125

140625

575

16

2300

330625

475

25

2375

225625

275

36

1650

75625

685

49

4795

469225

965

64

7720

931225

36

3695

204

20450

2234575

a=
a=

=
a=52.32
b=

b=

=
b=91.01

Para verano es de 962.42

27) Un fabricante de computadoras desea desarrollar los pronsticos trimestrales de los

ingresos por ventas del ao siguiente de su lnea de computadoras personales. La empresa
cree que los ocho trimestres ms recientes de ventas deben ser representativos de las ventas
del prximo ao:

Utilice el anlisis de regresin de series de tiempo estacionalizadas para desarrollar un

pronstico de los ingresos por ventas que viene para la lnea de computadoras personales.

ao

trimestre
1
1
1
1

ventas(millones
de dlares)

1
2
3
4

ao

9,2
5,4
4,3
14,1

trimestre

ventas(millones de
dlares)

1
2
3
4

10,3
6,4
5,4
16

2
2
2
2

trimestres
ao
1
2

1
9,2
10,3
19,5
9,75

promedio

2
5,4
6,4
11,8
5,9

3
4,3
5,4
9,7
4,85

4
14,1
16
30,1
15,05

33
38,1
71,1
35,55

I=suma de todos los datos dividido para el numero de datos.

I=8,8875
Id= promedio/I

ndice
1,09704641 0,66385373 0,54571027 1,69338959
estacionario

Nuevo=demanda real/ndice

datos destacionalizados
ao
1
2

1
8,38615385
9,38884615

2
8,13432203
9,64067797

3
7,87963918
9,89536082

4
8,32649502
9,44850498

regresin lineal
trimestre "X"
1
2

ventas "Y"
8,38615385
8,13432203

x
1
4

xy
8,38615385
16,2686441

y
70,3275763
66,167195

3
4
5
6
7
8
36

7,87963918
8,32649502
9,38884615
9,64067797
9,89536082
9,44850498
71,1

9
16
25
36
49
64
204

23,6389175
33,3059801
46,9442308
57,8440678
69,2675258
75,5880399
2559,6

62,0887135
69,3305193
88,1504321
92,9426716
97,9181659
89,2742464
636,19952

12
y = 0.2689x + 7.6775
R = 0.7065

10
8

Series1

Lineal (Series1)
4
2
0
0

10

Y=ax+b
a

0,2689

b=

7,6775

Y= 0,2689x+7,6775
pronstico
trimestre "X"
9

a
o
1

ndice

ventas "Y"
8,38615385

estacional
10,0976

1,0970464
1

pronstico estacionalizado
estacionalizad
o
11,0775359

10

8,13432203

10,3665

11

7,87963918

10,6354

12

8,32649502

10,9043

13

9,38884615

11,1732

14

9,64067797

11,4421

15

9,89536082

11,711

16

9,44850498

11,9799

0,6638537
3
0,5457102
7
1,6933895
9
1,0970464
1
0,6638537
3
0,5457102
7
1,6933895
9

6,88183966
5,80384698
18,4652281
12,257519
7,59588073
6,39081294
20,286638

Todos los datos con estacionalidad

x

y
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

9,2
5,4
4,3
14,1
10,3
6,4
5,4
16
11,0775359
6,88183966
5,80384698
18,4652281
12,257519
7,59588073
6,39081294
20,286638

28.-) Un distribuidor de tractores ha estado operando durante tres aos y medio y necesita
estimar las ventas del ao que vine. Las ventas de los aos pasados han tendido a ser
estacionales como se observa a continuacin.

Ao

Ventas trimestrales (nmero de productos)

1
2
3
4
5

Q1

Q2

Q3

49
55
60
63

72
88
93

114
135
149

Q4
32
41
44
49

a.-) Desarrolle pronsticos para los siguientes cuatro trimestres.

Ao

Ventas trimestrales (nmero de productos)

Q1
Q2
Q3
Q4
0
0
0
32
49
72
114
41
55
88
135
44
60
93
149
49
63
0
0
0

1
2
3
4
5
Totales
Promedio Trimestral
Indice de
Estracionalidad

Ao

Periodos
Ao 1
Ao 1
Ao 1
Ao 1
Ao 2
Ao 2
Ao 2

227
45,4
0,87

253
50,4
0,97

398
79,6
1,52

Total anual
32
276
322
351
63
1044
52,2

166
33,2
0,64

Datos trimestrales ajustados desestacionalizados

Q1

Q2

Q3

Q4

50

2
3
4
5

56,32

74,23

75,00

64,06

63,22

90,72

81,82

68,75

68,97

95,88

98,03

76,56

72,41

x
1
2
3
4
5
6
7

y
0
0
0
50
56,32
74,23
75

y^2
0
0
0
2500
3171,9424
5510,0929
5625

x^2
1
4
9
16
25
36
49

xy
0
0
0
200
281,6
445,38
525

Ao 2
Ao 3
Ao 3
Ao 3
Ao 3
Ao 4
Ao 4
Ao 4
Ao 4
Ao 5
Ao 5
Ao 5
Ao 5
Totales

8
9
10
11
12
13
14
15
16
17
18
19
20
210

64,06
63,22
90,72
81,82
68,75
68,97
95,88
98,03
76,56
72,41
0
0
0
1035,97

4103,6836
3996,7684
8230,1184
6694,5124
4726,5625
4756,8609
9192,9744
9609,8809
5861,4336
5243,2081
0
0
0
79223,0385

Pronsticos descentralizados para los siguientes 4 trimestres:

64
81
100
121
144
169
196
225
256
289
324
361
400
2870

512,48
568,98
907,2
900,02
825
896,61
1342,32
1470,45
1224,96
1230,97
0
0
0
11330,97

Trimestres

IE

Q1
Q2
Q3
Q4

0,87
0,97
1,52
0,64

Pronsticos
Descentralizados
58,962
59,644
60,325
61,01

Pronsticos
Estacionalizados
51,3
57,86
91,69
39,05

29) A continuacin se encuentran los ingresos por ventas de una compaa de servicios
pblicos grande de 1997 a 2007. Pronostique los ingresos de 2008 a 2011. Use su buen juicio,
intuicin o sentido comn en cuanto a qu modelo o mtodo usar, as como el periodo de
datos que incluir.

AOS (X)

SUMA

1
2
3
4
5
6
7
8
9
10
11
66

INGRESOS
(Y)
4865,9
5067,4
5515,6
5728,8
5497,7
5197,7
5094,4
5108,8
5550,6
5738,9
5860
59225,8

X*Y

X^2

Y^2

4865,9
10134,8
16546,8
22915,2
27488,5
31186,2
35660,8
40870,4
49955,4
57389
64460
361473

1
4
9
16
25
36
49
64
81
100
121
506

23676982,81
25678542,76
30421843,36
32819149,44
30224705,29
27016085,29
25952911,36
26099837,44
30809160,36
32934973,21
34339600
319973791,3

= 506

59225,
(506 )

66 361
66

Y= bx + a
Y= 55.62x + 5050,44

361

3
(506 )

Periodo
12
13
14
15

66 59225,
66

a=

5050,44

b=

55,62

Periodo 12
Y= 55.62x + 5050.44
Y= 55.62(12) + 5050.44
Y=5717.88

Periodo 13
Y= 55.62x + 5050.44
Y= 55.62(13) + 5050.44
Y=5773.5

Pronostico
5717,88
5773,5
5829,12
5884,74

Periodo 14
Y= 55.62x + 5050.44
Y= 55.62(14) + 5050.44
Y=5829.12

Periodo 15
Y= 55.62x + 5050.44
Y= 55.62(15) + 5050.44

30) De los datos del problema 11:

a. Utilice promedios mviles para pronosticar la cantidad de auditores necesarios en el
primer trimestre del anio que viene si el nmero de periodos promediados=4 y
cantidad de periodos promedios=8
b. Reflejan estos pronsticos un patrn estacional? Por qu?
c. Desarrolle ndices estacionales trimestrales de los datos originales. Aplique el ndice
estacional apropiado a sus pronsticos de inciso a.
a)
Datos:
Ao

Trimestre

Auditores

132

139

136

140

134

142

140

139

135

137

139

141

Con periodos promediados = 4

Ao

Trimestre

Auditores

132

139

3
4

136
140

1
2
3

134
142
140

4
1
2

139
135
137

3
4
1

139
141

Trimestres

Auditores

132

139

136

140

134

142

140

139

135

10

137

11

139

12

141

Con periodos promediados = 8

Trimestres

Auditores

132

139

136

140

134

142

140

139

135

10

137

11

139

12

141

b)
Si porque se necesitan alrededor de 138 auditores cada primer trimestre del ao, adems el
nmero no vara significativamente durante el resto del ao.
c)
Ao

Q1

Q2

Q3

Q4

total

132

139

136

140

547

134

142

140

139

555

135

137

139

141

552

Total

401

418

415

420

1654

140

137,833333

Promedio
trimestral
ndice estacional

133,666667 139,3333333 138,3333333

0,96977025 1,010882709

1,00362757

Datos desestacionalizados primer trimestre ao 4.

promedio
mvil 4

133,828295

Promedio
mvil 8

134,1919589

1,01571947

Ejercicios del libro de CHASE

1) La demanda de audfonos para estereofnicos y reproductores de discos compactos para
trotadores ha llevado a Nina Industries a crecer casi 50% en el ao pasado. El nmero de
trotadores sigue en aumento, as que Nina espera que la demanda tambin se incremente,
porque, hasta ahora, no se han promulgado leyes de seguridad que impidan que los
trotadores usen audfonos. La demanda de estreos del ao pasado fue la siguiente:
Mes

Demanda
(Unidades)

Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre

4 200
4 300
4 000
4 400
5 000
4 700
5 300
4 900
5 400
5 700
6 300
6 000

a) Con un anlisis de regresin por mnimos cuadrados, cul estimara que fuera la
demanda de cada mes del ao entrante? Con una hoja de clculo, siga el formato
general de la ilustracin 15.11. Compare sus resultados con los obtenidos usando la
funcin pronstico de la hoja de clculo.

xy

1
2
3
4
5

4200
4300
4000
4400
5000

4200
8600
12000
17600
25000

y
1
4
9
16
25

17640000
18490000
16000000
19360000
25000000

3958,97436
4151,28205
4343,58974
4535,89744
4728,20513

6
7
8
9
10
11
12
78

4700
5300
4900
5400
5700
6300
6000
60200

28200
37100
39200
48600
57000
69300
72000
418800

36
49
64
81
100
121
144
650

Mes

Pronstico

13
14
15
16
17
18
19
20
21
22
23
24

6266,658
6458,965
6651,272
6843,579
7035,886
7228,193
7420,5
7612,807
7805,114
7997,421
8189,728
8382,035

22090000
28090000
24010000
29160000
32490000
39690000
36000000
308020000

4920,51282
5112,82051
5305,12821
5497,4359
5689,74359
5882,05128
6074,35897

b) Para tener alguna seguridad de cubrir la demanda, Nina decide usar tres errores
estndar por seguridad. Cuntas unidades adicionales debe retener para alcanzar
este nivel de confianza?

Entonces 3 errores estndar seran

2) La demanda histrica del producto es:

a) Usando un promedio mvil ponderado con pesos de 0.60, 0.30 y 0.10, calcule el pronstico de
julio.

b) Con el promedio mvil simple a tres meses, determine el pronstico de julio.

c) Mediante suavizacin exponencial simple con 0.2 y un pronstico para junio de 13, calcule el
pronstico de julio. Haga todas las suposiciones que quiera.

MES

DEMANDA

ENERO
FEBRERO
MARZO
ABRIL
MAYO
JUNIO
JULIO

=0,2

12
11
15
12
16
15

13
13,4

d) Con un anlisis de regresin lineal simple, calcule la ecuacin de relacin de los datos precedentes
de la demanda.

MES

DEMANDA
1
2
3
4
5
6
21

12
11
15
12
16
15
81

X^2
1
4
9
16
25
36
91

XY
12
22
45
48
80
90
297

Y^2
144
121
225
144
256
225
1115

18
16
14
12
10
8
6
4
2
0

y = 0.7714x + 10.8

Series1
Lineal (Series1)

e) Con la ecuacin de regresin del punto d), calcule el pronstico para julio.

3) El gerente del Holiday Lodge del problema 9 se pregunta si los datos del pasado ms
reciente tiene mayor importancia que los ms antiguos. Suponga que la cantidad de llamadas
para mantenimiento del mes 25 se pondera 0.5 y los pesos de los meses anteriores se reducen
de manera secuencial por un factor de 0.5 (es decir, 0.5 , 0.25, 0.125,etctera).
a) Desarrolle los pesos o coeficiente de ponderacin utilizarse en el pronstico de
promedios mviles ponderados.
b) Utilice los pesos del inciso a para pronosticar la cantidad de llamadas para
mantenimiento para el mes de 25 de los datos del problema 9 si la cantidad de periodos
promediados =10.

Solucin:
a)

Pronostico para cada MES

MES

LLAMADAS POR
MANTENIMIENTO

MES 2

MES 4

MES 6

MES 8

15
16
17
18
19
20
21
22
23
24

19
9
12
14
16
12
13
9
14
15

0.5

0.25

0.125

0.0625

PESOS PARA CADA MES

b)

PRONSTICOS
MES 2
MES
15
16
17
18
19
20
21
22
23
24
25

LLAMADAS POR
MANTENIMIENTO
19
9
12
14
16
12
13
9
14
15

0.5
19
19
14
13
13.5
14.8
13.4
13.2
11.1
12.5
13.8

MES 4
MES 6
MES 8
PESOS PARA CADA MES
0.25
19
19
16.5
13.5
13.3
14.1
14.1
13.3
12.1
11.8
13.2

0.125
0.0625
19
19
19
19
17.75
9.63
13.75
12.13
13.13
13.94
13.81
15.84
14.41
12.17
13.33
13.02
12.66
9.26
11.46
13.82
12.85
14.85
sumatoria MAD

MAD
MES 2

MES 4
MES 6
MES 8
PESOS PARA CADA MES

0.5
0
10
2
1
2.5
2.8
0.4
4.2
2.9
2.5

0.25
0
10
4.5
0.5
2.8
2.1
1.1
4.3
1.9
3.2

0.125
0
10
5.8
0.3
2.9
1.8
1.4
4.3
1.3
3.5

0.0625
0
10
2.4
1.9
2.1
3.8
0.8
4.0
4.7
1.2

28.2

30.3

31.3

30.9

La cantidad de llamadas para el MES 25 es de 14 de acuerdo al pronstico de 2 meses basado

en el valor menor del MAD.

4) Zeus Computer Chip. Inc., tena contratos importantes para producir microprocesadores
tipo Pentium. El mercado ha ido a la baja en los ltimos 3 aos por los chips dual-core, que
Zeus no produce, asi que tiene la penosa tarea de pronosticar el ao entrante. La tarea es
penosa porque la empresa no ha podido encontrar chips sustitutos para sus lneas de
productos. Aqu est la demanda de los ltimos 12 trimestres:
2005
I
II
III
IV

2006
I
II
III
IV

4800
3500
4300
3000

3500
2700
3500
2400

2007
I
II
III
IV

3200
2100
2700
1700

Use la tcnica de la descomposicin para pronosticar los cuatro trimestres de 2008.

RESPUESTA:

Ao

Ventas Trimestrales (miles de unidades)

Q1

Q2

Q3

Q4

Total Suma Anual

2005

4800

3500

4300

3000

15600

2006

3500

2700

3500

2400

12100

2007

3200

2100

2700

1700

9700

Totales

11500

8300

10500

7100

37400

XQ1
PROMEDIO
3833.3

XQ2
PROMEDIO
2766.7

XQ3
PROMEDIO
3500.0

XQ4
PROMEDIO
2366.7

INDICE ESTACIONAL

Q1

Q2

Q3

Q4

1.2299

0.8877

1.1230

0.7594

Desestacionalizacion de los datos dividiendo el valor de cada periodo para el ndice estacional

Ao

Ventas Trimestrales (miles de unidades)

Q1

Q2

Q3

Q4

2005

3902.6087

3942.7711

3829.0476

3950.7042

2006

2845.6522

3041.5663

3116.6667

3160.5634

2007

2601.7391

2365.6627

2404.2857

2238.7324

Obtencin de la ecuacin de la recta

PERIODO

TRIMESTRE

Q1

3903

15230355

3903

Q2

3943

15545444

7886

Q3

3829

14661606

11487

Q4

3951

16

15608064

15803

Q1

2846

25

8097736

14228

Q2

3042

36

9251125

18249

Q3

3117

49

9713611

21817

Q4

3161

64

9989161

25285

10

Q1

2602

81

6769047

23416

10

Q2

10

2366

100

5596360

23657

10

Q3

11

2404

121

5780590

26447

10

Q4

12

2239

144

5011923

26865

78

37400

650

121255020

219041

SUMATORIA

Pronstico
x

13
14
15
16

2023.13062
1854.89062
1686.65062
1518.41062

Indice
estacional
1.2299
0.8877
1.123
0.7594

y*Indice
estacional
2488.24835
1646.5864
1894.10865
1153.08102

5) Los datos de ventas de 2 aos son los siguientes. Los datos estn acumulados con dos
meses de ventas en cada perodo.

a) Trace la grfica.
b) Componga un modelo de regresin lineal simple para los datos de ventas
c) Adems del modelo de regresin, determine los factores multiplicadores del ndice
estacional. Se supone que un ciclo completo es de 1 ao.
d) Con los resultados de los incisos b) y c), prepare un pronstico para el ao entrante

a)

Ventas 2

Ventas 1
180

200

170

160
140

160

120

159

140

120

109

100

182

180

150

104

100

80

120

126

115 112

100

106

80

60

60

40

40

20

20

0
1

b)
x

x*x

x*y

y*y

109

109

11881

104

208

10816

150

450

22500

170

16

680

28900

Sumatoria

120

25

600

14400

100

36

600

10000

115

49

805

13225

112

64

896

12544

159

81

1431

25281

10

182

100

1820

33124

11

126

121

1386

15876

12

106

144

1272

11236

78

1553

650

10257

209783

a=
a=

=
a=122.0303
b=

b=

=
b=1.1364

c)
[

][

][

d)
PRONOSTICO
Ventas
Enero -feb
123.1703
Marzo- abril
124.3103

Mayo-junio
Julio-agosto
Sept- octub
nov-diciem

125.4503
126.5903
127.7303
128.8703

6) Las seales de seguimiento calculadas con el historial de la demanda pasada

productos es como sigue. Cada producto usa la misma tcnica de pronstico.
Comente las seales de seguimiento de cada producto y seale sus implicaciones.

N
1
2
3
4
5
6
7
8
9
10

TS1
-2,7
-2,32
-1,7
-1,1
-0,87
-0,05
0,1
0,4
1,5
2,2

de tres

3
10, 2.2

seal de seguimiento

2
1
0
0

10

12

Series1

-1
-2
-3

Periodo

TS1: Dado que se ha producido un rpido aumento de la tendencia, la previsin en breve se

encuentre fuera de los lmites.
Por lo tanto, el modelo de pronstico es pobre.
N
TS 2
1
1,54
2
-0,64
3
2,05
4
2,58
5
-0,95
6
-1,23
7
0,75
8
-1,59
9
0,47
10
2,74

seal de seguimiento

4
3

10, 2.74

Series1

0
0

10

-1
-2

Periodo

15

TS 2: Esto est dentro de los lmites. Por lo tanto, el pronstico es aceptable.

N
1
2
3
4
5
6
7
8
9
10

TS3
0,1
0,43
1,08
1,74
1,94
2,24
2,96
3,02
3,54
3,75

Seal de Seguimiento

10, 3.75

3.5
3
2.5
2
1.5

Series1

1
0.5
0
0

10

12

Periodo

TS 3: Esta serie est aumentando rpidamente, y se encuentra fuera de los lmites. En

consecuencia, el modelo es pobre.

7) En la tabla siguiente se muestran los 2 aos previos de informacin de las ventas

trimestrales. Supngase que hay tendencias y factores estacionales y que el ciclo estacional es
de 1 ao. Use series de tiempo de descomposicin para pronosticar las ventas trimestrales del
ao siguiente.

Clculo de los factores estacionales:

Estacin 1
Estacin 2
Estacin 3
Estacin 4

Promedio ventas
pasadas
187,5
217,5
177,5
165

Ventas promedio
186,875
186,875
186,875
186,875

Factor
estacional Fe
1,0033
1,1639
0,9498
0,8829

Descontando las variaciones de temporada.

Ventas reales

Factor estacional

Demanda no estacional yd

160
195
150
140
215
240
205
190

1,0033
1,1639
0,9498
0,8829
1,0033
1,1639
0,9498
0,8829

159,473737
167,540167
157,927985
158,568354
214,292834
206,203282
215,834913
215,199909

Ajuste por mnimos cuadrados:

Trimestre
(x)
1
2

yd

x2

X*yd

159,473737
167,540167

1
4

159,473737
335,080334

3
4
5
6
7
8
36

157,927985 9
158,568354 16
214,292834 25
206,203282 36
215,834913 49
215,199909 64
1495,04118 204

473,783955
634,273416
1071,46417
1237,21969
1510,84439
1721,59927
7143,73897

250
200
150
y = 9.906x + 142.3

100
50
0
0

Ecuacin general:

Pendiente de la recta de tendencia:

Intercepto en el eje Y

10

Reemplazando en la ecuacin general:

Calculando los promedios de ventas de los siguientes cuatro trimestres:

Trimestre 1:

Trimestre 2:

Trimestre 3:

Trimestre 4:

8) Tuckson Machinery, Inc. fabrica maquinas controladas numricamente, que se veden a un

precio promedio de 0,5 millones de dlares cada una. Las ventas de estas mquinas durante
los 2 aos anteriores son:

a) Trace a mano una recta (o haga una regresin con Excel).

x
1

y
12

x^2
1

xy
12

18

36

26

78

16

16

64

16

25

80

24

36

144

28

49

196

8
36

18
158

64
204

144
754

b.) Encuentre la tendencia y los factores estacionales.

tendencia = 1,0238 x + 15,143

Ventas
Pasadas
12
18
26
16
16
24
28
18

Ventas
promedio para
cada triemestre
(158/8)
19,75
19,75

Factores
Estacionales

Factor estacional
promedio

12/19,75 = 0,61

0,71
1,063

18/19,75 = 0,911

19,75

26/19,75 = 1,316

1,367

19,75

16/19,75 = 0,81

1,721

19,75

16/19,75 = 0,81

19,75

24/19,75 = 1,215

19,75

28/19,75 = 1,418

19,75

18/19,75 = 0,911

c.) Pronostique las ventas para 2008.

Pronstico = tendencia * fact. estacional prom.
[

9) No todos los artculos de su tienda de artculos de papelera estn distribuidos

uniformemente en lo que concierne a la demanda, as que usted decide pronosticar la
demanda para planear su surtido. Los datos pasados de libretas de cuentas usuales, para el
mes de agosto, son los siguientes:

Con un promedio mvil de tres semanas, cul sera su pronstico para la semana
entrante?

F1
F2
F3
F4
F5

SEMANAS
1
2
3
4
5

ARTICULOS
300
400
600
700
567

F5 = (700 + 600 + 400)/3 = 567

Con suavizacin exponencial con = 0.20, si el pronstico exponencial de la semana 3 se

calcul como el promedio de las dos primeras semanas [(300 + 400)/2 = 350], cul sera
su pronstico para la semana 5?

F1
F2
F3
F4

SEMANAS
1
2
3
4

ARTICULOS PRONOSTICO
300
400
600
350
700
400

F5

567

460

F4 = F3 + ( (A3 F3) )
F4= 350 +(0 .20*(600 350) )
F4= 400
F5 = F4 + ((A4 F4) )
F5 = 400 + (0.20*(700 400))
F5 = 460

10) Dada la siguiente historia, aplique un pronstico enfocado al tercer trimestre de este ao.
Use tres estrategias de pronstico enfocado.
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
Ao
pasado
Este
ao

100

125

135

175

185

200

125

135

135

190

200

190

150

140

130

200

225

250

Se trata de reglas simples y de sentido comn que se formulan y prueban para ver si deben
conservarse. Entre los ejemplos de reglas simples de pronstico se encuentran:
1. Lo que se haya vendido en los tres ltimos meses ser probablemente lo que se venda en los
tres meses siguientes.
2. Lo que se vendi en el mismo trimestre del ao pasado se vender probablemente en ese
periodo de este ao (esto dara cuenta de los efectos estacionales).
3. Es probable que se venda 10 por ciento ms en los siguientes tres meses que en los tres
meses anteriores.

4. Es probable que se venda 50 por ciento ms en los tres meses siguientes que en los mismos
tres meses del ao anterior.
5. Cualquiera que haya sido el cambio porcentual de los ltimos tres meses de este ao en
comparacin con los mismos tres meses del ao pasado, ser probablemente el mismo cambio
porcentual que se tendr en los siguientes tres meses del ao.
Para solucionarlo usaremos los tres primero pronsticos. Cada estrategia ser utilizada para
predecir el segundo trimestre de este ao, entonces el mejor ser usado para predecir el tercer
trimestre del ao.

Ao pasado
Este ao

I
360
395

Trimestres
II
III
560
420
580

IV
675

Estrategia 1:
Nuestro pronstico para el segundo trimestre sera 395, y el actual fue de 580

Estrategia 2:
Nuestro pronstico para el segundo trimestre sera 560, y el actual fue de 580

Estrategia 3:
Nuestro pronstico sera 1.10*(395) = 424.5, y el actual fue de 580

Por lo tanto el mejor mtodo fue el tercero, as que, segn la estrategia, el pronstico para el
tercer trimestre de este sera el mismo que el anterior, dndonos por resultado 420.

11) A continuacin se da la demanda tabulada actual de un artculo durante un periodo de

nueve meses (de enero a septiembre). Su supervisor quiere probar dos mtodos de prueba
para ver cual result mejor en el periodo.
a) Pronostique de abril a septiembre con un promedio mvil a tres meses.
b) Mediante suavizacin exponencial simple con una alfa de 0.3, calcule de abril a septiembre.
c) Use la MAD para decidir que mtodo produjo el mejor pronstico en el periodo de seis
meses.
Mes

Real

Enero

110

Febrero

130

Marzo

150

Abril

170

Mayo

160

Junio

180

Julio

140

Agosto

130

Septiembre

140

a) Pronostique de abril a septiembre con un promedio mvil a tres meses.

Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre

Real

3 Meses
110
130
150
170
160
180
140
130
140

Des. 3 Meses

130
150
160
170
160
150
MAD

40
10
20
30
30
10
140
23.33

b) Mediante suavizacin exponencial simple con una alfa de 0.3, calcule de abril a septiembre.

Pronostico
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre

Real

=
110
130
150
170
160
180
140
130
140

MAD
0.3

170
170
167
170.9
161.63
152.141
sumatoria MAD
MAD

0
10
13
30.9
31.63
12.141
97.671
16.27

c) Use la MAD para decidir que mtodo produjo el mejor pronstico en el periodo de seis meses.

El mtodo para ver cual result mejor en el periodo es mediante Suavizacin

Exponencial con un MAD = 16.27

12) Se aplic cierto modelo de pronstico para anticipar un periodo de seis meses. Aqu estn
la demanda pronosticada y la real.
Pronostico Real
Abril
250
Mayo
325
Junio
400
Julio
350
Agosto
375
Septiembre
450

200
250
325
300
325
400

Encuentre la seal de seguimiento y diga si cree que el modelo usado da respuestas aceptables.
Solucin:
Demanda Real
Abril
Mayo
Junio

Demanda
Pronosticada
200
250
325

250
325
400

Desviacin Desviacin Desviacin

real
acumulada absoluta
-50
-75
-75

-50
-125
-200

50
75
75

Julio
Agosto
Septiembre

300
325
400

350
375
450

-50
-50
-50

-250
-300
-350
Desviacin Total

50
50
50
350

MAD
Senal
de
seguimiento

58,3333333
-6

No hay suficientes pruebas para rechazar el modelo de pronstico, asi que se aeptan sus
recomendaciones.

13) Harlen Industries tiene un modelo de pronstico simple: se toma la demanda real del
mismo mes del ao anterior y se divide entre el nmero fraccional de semanas de ese mes.
Esto da una demanda semanal promedio para el mes. El promedio de esta semana se usa
como pronstico semanal del mismo mes este ao. La tcnica se us para pronosticar ocho
semanas de este ao, que se muestran a continuacin junto con la demanda real.
Las siguientes ocho semanas muestran el pronstico (basado en el ao pasado) y la demanda
real:

d) Calcule el pronstico con suavizacin exponencial simple de estos datos con una de
0.30 y un pronstico inicial (F1) de 31.
e) Calcule el pronstico de suavizacin exponencial con tendencia para estos datos, con
una de 0.30, de 0.30, un pronstico de tendencias inicial (T1) de 1 y un pronstico
uniforme exponencial inicial de 30.
f)

Calcule la desviacin absoluta media (MAD) de cada pronstico. Cul es el mejor?

MESES

PRONOSTICO

REAL

DESVIACION

RSFE

DESVIACION
ABSOLUTA

1
2
3
4
5
6
7
8

140
140
140
140
140
150
150
150

137
133
150
160
180
170
185
205

-3
-7
10
20
40
20
35
55

-3
-10
0
20
60
80
115
170

3
7
10
20
40
20
35
55

SUMA DE LAS
DESVIACIONES
ABSOLUTAS
3
10
20
40
80
100
135
190

MAD

TS

3.00
5.00
6.67
10.00
16.00
16.67
19.29
23.75

-1.00
-2.00
0.00
2.00
3.75
4.80
5.96
7.16

d) Para el mes 8, el MAD es 23,75

e) La seal de seguimiento de 8 meses es de 7.16
f) La seal de seguimiento es demasiado grande, por lo que el pronstico se debe
considerar pobres.

14) La tabla siguiente contiene la demanda de los ltimos 10 meses.

Calcule el pronstico con suavizacin exponencial simple de estos datos con una de
0.30 y un pronstico inicial (F1) de 31.

F1 = 31

F2= 31+(0 .30*(31 31) )

F2= 31

F2 = F1 + ( (A1 F1) )

F3= F2 + ( (A2 F2) )

F3= 31+(0 .30*(34 31) )
F3= 31.90

F7 = F6 + ( (A6 F6) )
F7= 34.24+(0 .30*(36 34.24) )
F7= 34.77

F4 = F3 + ( (A3 F3) )
F4= 31.90+(0 .30*(33 31.90) )
F4= 32.23

F8= F7 + ( (A7 F7) )

F8= 34.77+(0 .30*(38 34.77) )
F8= 35.74

F5 = F4 + ( (A4 F4) )
F5=32.23+(0 .30*(35 32.23) )
F5= 33.06

F9 = F8+ ( (A8 F8) )

F9= 35.74+(0 .30*(40 35.74) )
F9= 37.02

F6 = F5+ ( (A5 F5) )

F10= F9+ ( (A9 F9) )

F6= 33.06+(0 .30*(37 33.06) )

F10= 37.02+(0 .30*(40 37.02) )

F6= 34.24

F10= 37.91

Calcule el pronstico de suavizacin exponencial con tendencia para estos datos, con
una de 0.30, de 0.30, un pronstico de tendencias inicial (T1) de 1 y un pronstico
uniforme exponencial inicial de 30.
MES

DEMANDA REAL

Tt =0,30

Ft =0,30

FITt

F1
F2
F3
F4
F5
F6
F7
F8
F9
F10

1
2
3
4
5
6
7
8
9
10

31
34
33
35
37
36
38
40
40
41

1,00
1,00
1,18
1,11
1,14
1,24
1,11
1,10
1,17
1,11

FIT1= F1+T1

FT3= FIT2+(A2- FIT2)

FIT1=30+1

FT3=32+0.30(31-32)

FIT1=31

FT3=32.60

FT2= FIT1+(A1- FIT1)

T3=T2+(F3-FIT2)

FT2=31+0.30(31-31)

T3=1+0.30(32.60-32)

FT2=31

T3=1.18

30,00
31,00
32,60
33,55
34,76
36,23
37,03
38,10
39,43
40,42

T2=T1+(F2-FIT1)
T2=1+0.30(31-31)

FIT3= F3+T3

T2=1

FIT3=32.60+1.18
FIT3=33.78

FIT2= F2+T2

FT = FIT3+(A3- FIT3)

FIT2=31+1

FT4=33.78+0.30(31-33.78)

FIT2=32

FT4=33.55

31,00
32,00
33,78
34,66
35,90
37,47
38,14
39,19
40,60
41,54

T =T3+(F -FIT3)

T6=T5+(F6-FIT5)

T4=1.18+0.30(33.55-33.78)

T6=1.14+0.30(36.23-35.90)

T4=1.11

T6=1.24

FIT4= F4+T4

FIT6= F6+T6

FIT4=33.55+1.11

FIT6=36.23+1.24

FIT4=34.66

FIT6=37.47

FT5= FIT +(A - FIT4)

FT = FIT6+(A6- FIT6)

FT5=34.66+0.30(31-34.66)

FT7=37.47+0.30(31-37.47)

FT5=34.76

FT7=37.03

T5=T +(F5-FIT4)

T =T6+(F -FIT6)

T5=1.11+0.30(34.76-34.66)

T7=1.24+0.30(37.03-37.47)

T5=1.14

T7=1.11

FIT5= F5+T5

FIT7= F7+T7

FIT5=34.76+1.14

FIT7=37.03+1.11

FIT5=35.90

FIT7=38.14

FT6= FIT5+(A5- FIT5)

FT = FIT +(A - FIT7)

FT6=35.90+0.30(31-35.90)

FT8=38.14+0.30(31-38.14)

FT6=36.23

FT8=38.10

T =T +(F -FIT7)

T10=T9+(F10-FIT9)

T8=1.11+0.30(38.10-38.14)

T10=1.17+0.30(40.42-40.60)

T8=1.10

T10=1.11

FIT8= F8+T8

FIT10= F10+T10

FIT8=38.10+1.10

FIT10=40.42+1.11

FIT8=39.19

FIT10=41.54

FT9= FIT +(A - FIT8)

FT9=39.19+0.30(31-39.19)
FT9=39.43
T9=T +(F9-FIT8)
T9=1.10+0.30(39.43-39.19)
T9=1.17

FIT9= F9+T9
FIT9=39.43+1.17
FIT9=40.60
FT10= FIT9+(A9- FIT9)
FT10=40.60+0.30(31-40.60)
FT10=40.42

c) Calcule la desviacin absoluta media (MAD) de cada pronstico. Cul es el mejor?

MES
F1
F2
F3
F4
F5
F6
F7
F8
F9
F10

DEMANDA REAL

1
2
3
4
5
6
7
8
9
10

PRONOSTICO
=0,30
31,00
31,00
31,90
32,23
33,06
34,24
34,77
35,74
37,02
37,91
MAD=

31
34
33
35
37
36
38
40
40
41

Desviacion Absoluta
0,00
3,00
1,10
2,77
3,94
1,76
3,23
4,26
2,98
3,09
2,90

MAD=(3.00+1.10+2.77+3.94+1.76+3.23+4.26+2.98+3.09)/9

MES
F1
F2
F3
F4
F5
F6
F7
F8
F9
F10

1
2
3
4
5
6
7
8
9
10

DEMANDA REAL
31
34
33
35
37
36
38
40
40
41

Tt =0,30
1,00
1,00
1,18
1,11
1,14
1,24
1,11
1,10
1,17
1,11

Ft =0,30
30,00
31,00
32,60
33,55
34,76
36,23
37,03
38,10
39,43
40,42

FITt
31,00
32,00
33,78
34,66
35,90
37,47
38,14
39,19
40,60
41,54
MAD=

Desviacion absoluta
0,00
2,00
0,78
0,34
1,10
1,47
0,14
0,81
0,60
0,54
0,86

MAD=2.90

MAD=(2.00+0.78+0.34+1.10+1.47+0.14+0.81+0.60+0.54)/9
MAD=0.86
RESPUESTA: De acuerdo al MAD de los pronsticos el exponencial simple con tendencia
es el mejor modelo de pronstico.

15) Harlen Industries tiene un modelo de pronstico simple: se toma la demanda real del
mismo mes del ao anterior y se divide entre el nmero fraccional de semanas de ese mes.
Esto da una demanda semanal promedio para el mes. El promedio de esta semana se usa
como pronstico semanal del mismo mes este ao. La tcnica se us para pronosticar ocho
semanas de este ao, que se muestran a continuacin junto con la demanda real.
Las siguientes ocho semanas muestran el pronstico (basado en el ao pasado) y la demanda
real:

a)Calcule el pronstico con suavizacin exponencial simple de estos datos con una de 0.30 y
un pronstico inicial (F1) de 31.

b)Calcule el pronstico de suavizacin exponencial con tendencia para estos datos, con una de
0.30, de 0.30, un pronstico de tendencias inicial (T1) de 1 y un pronstico uniforme
exponencial inicial de 30.

c)Calcule la desviacin absoluta media (MAD) de cada pronstico. Cul es el mejor?

MESES

PRONOSTICO

REAL

DESVIACION

RSFE

DESVIACION
ABSOLUTA

1
2
3
4
5
6
7
8

140
140
140
140
140
150
150
150

137
133
150
160
180
170
185
205

-3
-7
10
20
40
20
35
55

-3
-10
0
20
60
80
115
170

3
7
10
20
40
20
35
55

a)Para el mes 8, el MAD es 23,75

b)La seal de seguimiento de 8 meses es de 7.16

SUMA DE LAS
DESVIACIONES
ABSOLUTAS
3
10
20
40
80
100
135
190

MAD

TS

3.00
5.00
6.67
10.00
16.00
16.67
19.29
23.75

-1.00
-2.00
0.00
2.00
3.75
4.80
5.96
7.16

c)La seal de seguimiento es demasiado grande, por lo que el pronstico se debe considerar
pobres.
16) La planea de IPC estima la

demanda semanal de los muchos materiales que tiene en

inventario. Est estudiando uno de estos componentes, el CTR 5922. Las 12 semanas ms
recientes de demanda para el CTR 5922 son:
SEMANA

DEMANDA SEMANA DEMANDA SEMANA DEMANDA SEMANA DEMANDA

(UNIDADES)
(UNIDADES)
(UNIDADES)
(UNIDADES)

169

171

213

10

158

227

163

175

11

188

176

157

178

12

169

Utilice el mtodo de promedios mviles para pronsticos a corto plazo, con un promedio de tres
semanas, para desarrollar para la semana 13 un pronstico de la demanda para el componente
CRT 5922.

Solucin:
SEMANAS
1
2
3
4
5
6
7
8
9
10
11
12
13

DEMANDA REAL
(UNIDADES)
169
227
176
171
163
157
213
175
178
158
188
169
166

3 SEMANA

DESVIACION 3
SEMANA

171.667

2.667

Con un promedio de tres semanas, para desarrollar para la semana 13 el pronstico de la

semana 13 es 166 unidades.

17) La demanda histrica de un producto es como sigue:

DEMANDA
60
Abril
55
Mayo
75
Junio
60
Julio
80
Agosto
Septiembre 75
a) Con un promedio mvil simple a cuatro meses, calcule un pronstico para octubre
b) Mediante suavizacin exponencial simple con = 0.2 y un pronstico para
septiembre =65, calcule un pronstico para Octubre.
c) Mediante regresin lineal simple, calcule la recta de la tendencia de los datos
histricos. En el eje de las x, sea Abril=1, Mayo=2, etc, mientras que en el eje
de las y esta la demanda.
d) Calcule un pronstico para Octubre
SOLUCION:

a)

b)
MES
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre

DEMANDA
60
55
75
60
80
75

=0.2

65
67

c)
MES

DEMANDA X^2
1
2
3
4
5
6
21

X*Y

60
55
75
60
80
75
405

1
4
9
16
25
36
91

Y^2
60
110
225
240
400
450
1485

3600
3025
5625
3600
6400
5625
27875

100
y = 3.8571x + 54

50
0
0

d)
Pronostico para Octubre x=7

81.02

18) Las ventas por trimestre del ltimo ao y los tres primeros trimestres de este ao son
como sigue:

Con el procedimiento de pronstico enfocado descrito en el texto, pronostique las

ventas esperadas para el cuarto trimestre de este ao.
TRIMESTRE AO PASADO ESTE AO

ESTRATEGIA A:

23000

1900

II

27000

24000

III

18000

15000

IV

9000

ltimos tres meses =24000

27000/15000= 1.8*100% =180%

Actuales tres meses=15000

ESTRATEGIA E:
24000/15000=1.6*100%=160%
(24000/27000)18000= 16000
ESTRATEGIA B:

Actual =15000

III trimestre ao pasado= 18000

16000/15000= 1.07*100%= 1207%

III trimestre ao actual= 15000

18000/15000=1.2*100%=120%
ESTRATEGIA C:
10% del trimestre anterior=
1.10(24000)= 26400
Trimestre actual=15000
26400/15000= 1.76*100% = 176%
ESTRATEGIA D:
50% del trimestre III del ao anterior=
1.50*(18000)= 27000
Trimestre III del ao actual= 15000

Respuesta:
La mejor estrategia es la E y lo aplicamos para el cuarto trimestre de este ao
(15000/18000)9000= 7500

19) En la tabla siguiente se muestra la demanda de un producto con cierto mtodo de

pronstico, junto con la demanda real.
Pronstico

Real

1500

1550

1400

1500

1700

1600

1750
1800

1650
1700

a) Calcule la seal de seguimiento con la desviacin absoluta media y la suma continua de

errores de pronstico.
b) Comente si su mtodo de pronstico da buenas predicciones.

a) Desviacin absoluta media

n
1
2
3
4
5

Pronstico (Ft) Demanda Real (At)

1500
1550
1400
1500
1700
1600
1750
1650
1800
1700
SUMATORIA =
MAD =

(At - Ft)
50
100
100
100
100
450
90

Suma continua de errores de pronstico

n
1
2
3
4
5

Pronstico (Ft) Demanda Real (At)

1500
1550
1400
1500
1700
1600
1750
1650
1800
1700
SUMATORIA =

MAD =
RSFE =

(At - Ft)
50
100
100
100
100
450

Ts = (At - Ft)/MAD
0,5556
1,1111
1,1111
1,1111
1,1111
5,0000

90
10,0000

b) Comentario
Se puede decir que el mtodo de pronstico de es aceptable ya que la suma se sus errores
pronosticados no son muy elevados.
20) Su gerente trata de determinar que mtodo de pronostico usar. Basndose en los
siguientes datos histricos, calcule los siguientes pronsticos y especifique que procedimiento
utilizara?
MES

DEMANDA REAL

MES

DEMANDA REAL

1
2
3
4
5
6

62
65
67
68
71
73

7
8
9
10
11
12

76
78
78
80
84
85

a) Calcule un promedio de pronostico simple a tres meses para los periodos 4 a 12

b) Calcule el promedio mvil ponderado a tres meses con pesos de 0.50, 0.30 y 0.20 para
los periodos de 4 a 12
c) Calcule un pronstico de suavizacin exponencial simple para los periodos de 2 a 12
usando un pronstico inicial F1 de 61 y alfa de 0.30

d) Calcule el pronstico de suavizacin exponencial con componente de tendencia para los

periodos de 2 a 12 con un pronstico de tendencia inicial (T1) de 1.8, un pronstico de
suavizacin exponencial inicial (F1) de 60, una de 0.30 y una de 0.30
e) Calcule la desviacin absoluta media (MAD) de los pronsticos hechos con cada tcnica
en los periodos 4 a 12. Qu mtodo de pronsticos prefiere?
a)
MES
1
2
3
4
5
6
7
8
9
10
11
12

DEMANDA REAL
62
65
67
68
71
73
76
78
78
80
84
85

3 MESES

MES

DEMANDA REAL
62
65
67
68
71
73
76
78
78
80
84
85

3 MESES

64.67
66.67
68.67
70.67
73.33
75.67
77.33
78.67
80.67
Desv. Absoluta Total
MAD

Des. Absoluta

3.33
4.33
4.33
5.33
4.67
2.33
2.67
5.33
4.33
36.67
4.07

b)

1
2
3
4
5
6
7
8
9
10
11
12

65.40
67.10
69.30
71.40
74.10
76.40
77.60
79.00
81.60
Desv. Absoluta Total
MAD

Des. Absoluta

2.60
3.90
3.70
4.60
3.90
1.60
2.40
5.00
3.40
31.10
3.46

c)
MES
1
2
3
4
5
6
7
8
9
10
11
12

DEMANDA REAL
62
65
67
68
71
73
76
78
78
80
84
85

= 0.3
61
61.30
62.41
63.79
65.05
66.84
68.68
70.88
73.02
74.51
76.16
78.51
MAD
MAD X

4.21
5.95
6.16
7.32
7.12
4.98
5.49
7.84
6.49
55.57
6.17

d)
= 0.3
MES
1
2
3
4
5
6
7
8
9
10
11
12

DEMANDA REAL
62
65
67
68
71
73
76
78
78
80
84
85

Tt

Ft
1.8
1.82
1.94
2.03
2.00
2.07
2.11
2.22
2.28
2.11
1.99
2.08

S
60
61.86
64.07
66.31
68.23
70.46
72.67
75.14
77.55
79.28
80.98
83.27
Sum MAD
MAD X

61.8
63.68
66.01
68.34
70.23
72.53
74.78
77.36
79.83
81.39
82.97
85.35

e)
Se recomienda utilizar el pronstico de suavizacin exponencial con componente de tendencia
para los periodos debido a que nos brinda el MAD ms pequeo.

=0.3

0.33
0.77
0.47
1.22
0.64
1.83
1.39
1.04
0.35
8.04
0.89

21) Haga un anlisis de regresin sobre la demanda sin factores estacionales para
pronosticar la demanda en el verano de 2008, dados los siguientes datos histricos de
la demanda.

Estacin

Demanda Real

x2

X*Y

Y2

205

205

42025

140

280

19600

375

1125

140625

575

16

2300

330625

475

25

2375

225625

275

36

1650

75625

685

49

4795

469225

965

64

7720

931225

36

3695

204

20450

2234575

a=
a=

=
a=52.32
b=

b=

=
b=91.01

Para verano es de 962.42

22) Los siguientes son los resultados de los ltimos 21 meses de ventas reales de cierto
producto.

Elabore un pronstico para el cuarto trimestre usando tres reglas de pronstico enfocado
(observe que para aplicar correctamente el procedimiento, las reglas se prueban primero en el
tercer trimestre; la de mejor desempeo se usa para pronosticar el cuarto trimestre). Haga el
problema con trimestres, en lugar de pronosticar meses separados.
SOLUCIN:
Sumamos de tres en tres meses

2006
2007

trimestre
I
1,125
1,000

II
1,310
1,175

III
1,075
975

IV
1,550

Cada estrategia es usada para predecir el tercer trimester de este ao. Luego la mejor
estrategia es usada para predecir el cuarto trimestres de este ao.

ESTRATEGIA A: en el pasado tres meses es cual nosotros podramos decir en los siguientes tres
meses. Te hay nuestro pronstico es 1175. Actualmente fue 975. 1,175/975 = 121%.
ESTRATEGIA B: en el los mismos periodo de tres meses el pasado ao, nosotros podramos
decir que en el periodo de tres meses de este ao. De ah nuestro pronstico es 1,075. Actual fue
975. 1,075/975 = 110%.
ESTRATEGIA C: Nosotros podriamos decir ue el 10% ms en los siguientes tres meses que
nosotros deciamos en elos pasados tres meses . nuestro pronstico es 10(1,175) = 1,292.5.
Actual fue 975. 1,292.5/975 = 133%.
ESTRATEGIA D: Nosotros podriamos decir que hay una probabilidad del 50% mas sobre los
siguientes tres meses que nosotros hicimos por los mismos tres meses del pasado ao. El
pronostico podra ser 1.50(1,075) = 1,612.5. Actual fue 975. 1612.5/975 = 165%.
ESTRATEGIA E: EL PORCENTAJE cambia nossotros tenemos para los pasados meses de este
ao comparando para los mismos tres meses pasados la probabilidad podra ser el mismo
porcentaje cambio que nosotros podrias tener para el siguiente meses de este ao. El pronstico
podria ser (1,175/1,310)1,075 = 964. Actual fue 975. 964/975 = 99%.
Si solo los tres primeros son usados, el mejor mtodo ser el Bel pronstico para el cuarto
trimestre es 1550.
Si todo los cinco mtodos enlistados en el texto son usados, luego el mejor mtodo es el E.
aplicando esto el cuarto trimestre de este ao produce un pronstico de
(975/1,075) 1,550 = 1,406.

23) Calcule el error estndar del pronstico de los siguientes datos.

Determine los lmites de confianza superior e inferior que se pueden estimar para el
pronstico del ao 11 si se utiliza un nivel de significancia de 0.01.
Datos:
x
1
2
3
4
5
6
7
8
36

y
565
590
583
597
615
611
610
623
4794

x^2
1
4
9
16
25
36
49
64
204

xy
565
1180
1749
2388
3075
3666
4270
4984
21877

y^2
319225
348100
339889
356409
378225
373321
372100
388129
22982436

a= 566,68
b=7,24
Para el ao 11
y=566,68+7,24(11)
y= 646,32
Solucin:
a)
Syx=
Syx=
Syx= 1830,636
b)
Lmite superior
Ls= YL1 + t Syx
Ls= 646,32 + (0.01) 1830,636
Ls= 664,626

Lmite inferior
Li= YL1 +-t Syx
Li= 646,32 - (0.01) 1830,636
Li=628,013

24) Despus de aplicar su modelo de pronstico durante seis meses, decide probarlo con MAD
y una seal de seguimiento. Lo que sigue es el pronstico y la demanda real del periodo de
seis meses:

a) Encuentre la seal de seguimiento.

b) Decida si su rutina de pronstico es aceptable.
PERIODO
Mayo
Junio
Julio
Agosto
Septiembre
Octubre

PRONOSTICO
450
500
550
600
650
700

PERIODO

PRONOSTICO REAL DESVIACION

Mayo
Junio
Julio
Agosto
Septiembre
Octubre

450
500
550
600
650
700

500
550
400
500
675
600

50
50
-150
-100
25
-100

REAL
500
550
400
500
675
600

RSFE

DESVIACION
ABSOLUTA

50
100
-50
-150
-125
-225

50
50
150
100
25
100

SUMA
DE MAD
DESVIACIONE
S ABSOLUTAS
50
100
250
350
375
475

3
2
1
0
-1 0

200

-2
-3
-4

400

600

800

50
50
83,33
87,5
75
79,17

TS

1
2
-0,6
-1,71
-1,67
-2,84

El TS es aceptable. Sin embargo, el TS va y vienen entre positivo y negativo. Si esta tendencia

contina, las previsiones sern inaceptables. Este pronstico debe vigilarse de cerca para ver si
la tendencia a la baja contina.
25) Un fabricante de computadoras desea desarrollar los pronsticos trimestrales de los
ingresos por ventas del ao siguiente de su lnea de computadoras personales. La empresa
cree que los ocho trimestres ms recientes de ventas deben ser representativos de las ventas
del prximo ao:

Utilice el anlisis de regresin de series de tiempo estacionalizadas para desarrollar un

pronstico de los ingresos por ventas que viene para la lnea de computadoras personales.

ao

trimestre
1
1
1
1

ventas(millones
de dlares)

1
2
3
4

ao

9,2
5,4
4,3
14,1

trimestre

ventas(millones de
dlares)

1
2
3
4

10,3
6,4
5,4
16

2
2
2
2

trimestres
ao
1
2
promedio

1
9,2
10,3
19,5
9,75

2
5,4
6,4
11,8
5,9

3
4,3
5,4
9,7
4,85

I=suma de todos los datos dividido para el numero de datos.

I=8,8875

4
14,1
16
30,1
15,05

33
38,1
71,1
35,55

Id= promedio/I

ndice
1,09704641 0,66385373 0,54571027 1,69338959
estacionario

Nuevo=demanda real/ndice

datos destacionalizados
ao
1
2

1
8,38615385
9,38884615

2
8,13432203
9,64067797

3
7,87963918
9,89536082

4
8,32649502
9,44850498

regresin lineal
trimestre "X"
1
2
3
4
5
6
7
8
36

ventas "Y"
8,38615385
8,13432203
7,87963918
8,32649502
9,38884615
9,64067797
9,89536082
9,44850498
71,1

x
1
4
9
16
25
36
49
64
204

xy
8,38615385
16,2686441
23,6389175
33,3059801
46,9442308
57,8440678
69,2675258
75,5880399
2559,6

y
70,3275763
66,167195
62,0887135
69,3305193
88,1504321
92,9426716
97,9181659
89,2742464
636,19952

12
y = 0.2689x + 7.6775
R = 0.7065

10
8

Series1

Lineal (Series1)
4
2
0
0

10

Y=ax+b
a

0,2689

b=

7,6775

Y= 0,2689x+7,6775
pronstico
trimestre "X"

ndice

a
o
1

ventas "Y"

estacional

8,38615385

10,0976

10

8,13432203

10,3665

11

7,87963918

10,6354

12

8,32649502

10,9043

13

9,38884615

11,1732

14

9,64067797

11,4421

15

9,89536082

11,711

16

9,44850498

11,9799

1,0970464
1
0,6638537
3
0,5457102
7
1,6933895
9
1,0970464
1
0,6638537
3
0,5457102
7
1,6933895
9

pronstico estacionalizado
estacionalizad
o
11,0775359

Todos los datos con estacionalidad

x

y
1
2
3
4
5
6
7

9,2
5,4
4,3
14,1
10,3
6,4
5,4

6,88183966
5,80384698
18,4652281
12,257519
7,59588073
6,39081294
20,286638

8
9
10
11
12
13
14
15
16

16
11,0775359
6,88183966
5,80384698
18,4652281
12,257519
7,59588073
6,39081294
20,286638

26) A continuacin se encuentran los ingresos por ventas de una compaa de servicios
pblicos grande de 1997 a 2007. Pronostique los ingresos de 2008 a 2011. Use su buen juicio,
intuicin o sentido comn en cuanto a qu modelo o mtodo usar, as como el periodo de
datos que incluir.

AOS (X)

SUMA=

1
2
3
4
5
6
7
8
9
10
11
66

INGRESOS
(Y)
4865,9
5067,4
5515,6
5728,8
5497,7
5197,7
5094,4
5108,8
5550,6
5738,9
5860
59225,8

X*Y

X^2

Y^2

4865,9
10134,8
16546,8
22915,2
27488,5
31186,2
35660,8
40870,4
49955,4
57389
64460
361473

1
4
9
16
25
36
49
64
81
100
121
506

23676982,81
25678542,76
30421843,36
32819149,44
30224705,29
27016085,29
25952911,36
26099837,44
30809160,36
32934973,21
34339600
319973791,3

= 506

59225,
(506 )

66 361
66

Y= bx + a
Y= 55.62x + 5050,44
Periodo
12
13
14
15

361

3
(506 )

66 59225,
66

a=

5050,44

b=

55,62

Pronostico
5717,88
5773,5
5829,12
5884,74

Periodo 12

Y= 55.62x + 5050.44
Y= 55.62(12) + 5050.44
Y=5717.88

Periodo 13

Y= 55.62x + 5050.44
Y= 55.62(13) + 5050.44
Y=5773.5
Periodo 14
Y= 55.62x + 5050.44
Y= 55.62(14) + 5050.44
Y=5829.12

Periodo 15
Y= 55.62x + 5050.44
Y= 55.62(15) + 5050.44
Y=5884.7

103

27) Mark Price, nuevo gerente de produccin de Speakers y Company, tiene que averiguar que
variable afecta ms la demanda de su lnea de bocinas para estereofnicos. No est seguro de
que el precio unitario del producto o los efectos de mayor marketing sean los principales
impulsores de las ventas y quiere aplicar un anlisis de regresin para averiguar que factor
impulsa ms demanda de su mercado. La informacin pertinente se recopilo en un extenso
proyecto de marketing que se extendi a los ltimos 10 aos y que se vaco en los datos
siguientes:

a.) Realice en Excel un anlisis de regresin basado en estos datos. Con sus resultados
conteste las preguntas siguientes.
Estadsticas de la regresin
Coeficiente
de
correlacin
mltiple
Coeficiente de determinacin
R^2
R^2 ajustado
Error tpico
Observaciones

0,854969139
0,730972229
0,67118828
146,6234467
12

104

ANLISIS DE VARIANZA
Regresin
Residuos
Total

Intercepcin
Variable X 1
Variable X 2

Grados de libertad Suma de cuadrados Promedio de los cuadrados

2
525718,3339
262859,1669
9
193485,9161
21498,43512
11
719204,25

Coeficientes
Error tpico
2191,337362
826,082598
-6,909379925
2,915890727
0,325020441
0,238512793

F
Valor crtico de F
12,2268977
0,002716984

Estadstico t
Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
2,652685539 0,026359912
322,608696 4060,066028 322,608696 4060,066028
-2,369560649 0,041939148 -13,50558302 -0,313176831 -13,50558302 -0,313176831
1,36269605 0,2060985 -0,214532982 0,864573863 -0,214532982 0,864573863

b.) Qu variable, el precio o la publicidad, tiene un mayor efecto en las ventas y como se
sabe?
La variable x1 la cual corresponde al precio tiene mayor efecto en las ventas porque el valor de
la pendiente es mucho ms alto -6,9094 frente a 0,3250 que es la de la publicidad. El precio en
realidad tiene un efecto negativo, ya que al aumentar el precio las ventas disminuyen.
c.) Pronostique las ventas anuales promedio de bocinas de Speaker and Company basndose
en los resultados de la regresin , si el precio fue de 300 dlares por unidad y el monto
gastado en publicidad (en miles ) fue de 900 dlares.

28.) Suponga una Ft inicial de 300 unidades, una tendencia de 8 unidades, una alfa
de 0.30 y una delta de 0.40. Si la demanda real fue finalmente de 288, calcule el
pronstico para el siguiente periodo.
Ft = 300

= 0.30

= 0.40

At = 288

Tt = 8

Solucin:
105

t
1
2

At
(Demanda Real)
288
288

Ft
(Unidades)
300
302

Tt
(Tendencia)
8
5.6

FITt
308
307.6

FITt = Ft + Tt
FITt = 300 + 8
FITt = 308

Ft+1 = FITt + (At - FITt)

Ft+1 = 308 + 0.3 (288 - 308)
Ft+1 = 302

Tt+1 = Tt + (Ft+1 - FITt )

Tt+1 = 8 + 0.40 (302 - 308 )
Tt+1 = 5.6

FITt+1 = Ft+1 + Tt+1

FITt+1 = 302 + 5.6
FITt+1 = 307.6

29) La tabla siguiente contiene el nmero de quejas recibidas en una tienda departamental
durante los primeros seis meses de operacin.
QUEJAS
106

Enero
Febrero
Marzo
Abril
Mayo
Junio

36
45
81
90
108
144

Si se usara un promedio mvil a tres meses, cul habra sido el pronstico de mayo?

Enero
Febrero
Marzo
Abril
Mayo
Junio

QUEJAS
36
45
81
90
108
144

PRONSTICO

DESVIACIN

3 MESES

3 MESES

54
72
93
Desviacin Abs.
Total
MAD

36
36
51
123

F3(Abril)

54

F3(mayo)
F3(Junio)

72
93

41

El pronstico del mes de mayo luego de haber utilizado el promedio mvil para los tres meses
sera 72.
30) El siguiente es el nmero de cajas de vino merlot vendidos en la vinatera Connor Owen en
un perodo de 8 aos.

107

Estime el valor de uniformidad calculado a fines de 2001, usando un modelo de suavizacin

exponencial con un valor alfa de 0.20. Use la demanda promedio de 1998 a 2000 conforme su
pronstico inicial.
AOS

1998
1999
2000
2001
2002
2003
2004
2005

PROMEDIO(19982000)
MAD

DEMANDA
REAL
(UNIDADES)
270
356
398
456
358
500
410
376

PRONSTICO()
0.20
270.000
270.000
287.200
309.360
338.688
342.550
374.040
381.232
DESVIACIN ABS.
TOTAL
MAD

MAD
= 0,20
0.000
86.000
110.800
146.640
19.312
157.450
35.960
5.232
561.394
70.174

341.3333
68.2667

108